基于聚类分流算法的分布式蜜罐系统设计

针对现有的网络安全防御系统主动性不足,对未知类型网络数据的判断速度慢、准确性不高的缺陷,设计了一种应用聚类算法对未知类型数据进行聚类分流的分布式蜜罐系统。在聚类过程中,采用一种改进的聚类中心选择算法,对未知类型网络数据进行模糊聚类,将聚类失败的数据分流到蜜罐中进行特征学习,从而尽早地发现新的攻击类型,减轻蜜罐的监控和记录压力,降低蜜罐被攻破的概率,有利于防御时采用更为有效的防御策略。此系统应用在政府某部门的专网中,实验结果验证了在不明显增加系统计算量的情况下,该聚类算法比平均值聚类算法有更高的聚类成功率。     

基于粒子群算法的无线传感网络大数据聚类优化方法

大数据聚类在无线传感网络数据处理领域中具有重要意义,但是大数据聚类方法存在聚类效果不佳、Jaccard系数较低等问题,提出基于粒子群算法的无线传感网络大数据优化方法。该方法结合主成分分析方法和信息熵降维处理大数据,减少数据聚类所需的时间,采用直觉模糊核聚类算法聚类大数据,引入粒子群算法,优化直觉模糊核聚类方法,利用优化后的算法获得无线传感网络大数据聚类的优化结果,实现大数据聚类。仿真分析结果表明,所提方法的聚类效果较好,Jaccard系数在0.70以上,数据平均熵仅为0.36,并且时间复杂度仅为26.3%,该方法的应用价值更高。     

多流多科目实时数据处理算法的设计与实现

随着飞行试验测试技术的快速发展,单架次需要处理的试飞科目越来越多,而多科目处理参数分布在不同的网络流中,这对机载实时数据处理的效率带来严峻的挑战。利用“合并-处理-分流”的方法,设计一种多流多科目网络数据实时处理算法。该算法将多科目处理参数按照参数名、采样率等信息进行整合形成合并参数列表；在实时处理时根据合并参数信息实时处理多网络流中的数据,并将处理结果存储在数据缓存中；最后将多科目数据进行分流即可得到处理结果。测试结果表明,该算法可实际应用于多流多科目数据处理中,大幅提高实时处理的效率,同时可以得到准确的数据处理结果。     

一种改进的加权复杂网络聚类方法

在复杂网络聚类中,为了克服聚类结果局部收敛和对多维数据聚类效果差的缺点,通过对复杂网络聚类方法 的应用分析,将NJ W算法和粒子群聚类算法应用到加权复杂网络簇结构的探测中,设计和实现了一种改进的加权复 杂网络聚类方法。实验验证了该方法在簇结构较复杂的网络中具有较高的执行效率和较好的执行效果。     

基于分流技术的高速网络入侵检测系统设计

针对网络入侵检测系统因自身性能缘故在高速网络上难以有效地进行实时入侵检测,设计了一种基于动态流量负载均衡的分流式入侵检测系统模型,模型中的数据分流器将捕获的网络数据包在数据链路层转发至多个探测机进行处理,并通过动态负载均衡分流算法实现数据的均衡分流.该设计方法能够充分利用系统的计算资源,具有良好的扩展性、动态流量均衡性和检测性能.实验结果表明,通过分流器分流到各个探测器的数据包个数基本上能平均分配,系统的检测分析能力随探测机数量的增加而明显增强.     

基于大数据技术的网络信息传输安全监测方法

为实时监测网络信息传输中安全态势,设计了一种针对网络信息传输的安全监测方法。首先,利用大数据技术进行网络信息安全因素的模糊等价处理,实现基于大数据技术的网络信息安全因素关联分析;其次,标记网络信息的传输节点,聚类节点安全行为;再次,通过分析与对比聚类后节点之间关联程度,判断网络信息在传输中是否存在异常行为,实现信息传输安全监测;最后,经对比实验结果表明,设计的方法应用效果良好,有效提高了监测结果的可靠度。     

基于威胁排序的分流结构IPS研究与设计*

研究了在高速网络环境下的入侵防御系统设计与实现。分流系统本身缺乏有效的检测方法,不能对数据流量进行深层次的分析,所以其漏检率较高,应用范围有限。提出了一种用于分流系统的威胁排序方法,运用层次分析法对数据包的威胁程度进行排序,有效地解决了分流系统的漏检问题,并实现了一个完整的分流入侵防御系统的各模块设计,对其效能进行了初步评估。     

无线携能通信下mmWave协作通信小单元的能效最优策略

针对无线携能通信(SWIPT)网络中的能量与信息同时传输阶段的优化问题,以最大化链路能量效率为目标,提出一种SWIPT下mmWave协作通信小单元的能效最优策略。该策略在最小链路传输速率和最小收集能量的联合约束下,在能量受限型用户设备的接收端采用功率分流工作模式,通过优化发射功率控制和功率分流因子,最大化系统链路能量效率。针对原问题是一个非凸的分式规划问题,具有NP难性质,采用Dinkelbach方法将目标函数转化为易于求解的凸优化问题,并设计一个交叉迭代的算法求出最优解。仿真实验结果表明,提出的策略在优化系统能量效率性能上要优于传统功率控制方法和最大发射功率法。     

高校大类分流系统的实现与应用

随着信息化时代的到来,高校教育教学信息化改革已成为不可避免的趋势。为解决传统高校大类分流、专业分班系统中存在的结果不准、效率不高、操作不便等问题,融合手机端、PC端和服务器端,设计并开发了B/S架构下前后端分离的高校大类分流系统。系统采用Vue框架作为前端技术,SpringBoot和MyBatisPlus框架作为后端技术,同时采用MySQL数据库进行数据存储。系统的实现应用了登录验证、前后端分离、信息加密与数据校验等关键技术,以确保安全性和稳定性。分流过程设计了绩点优先和志愿优先两种核心算法,并提供随机分班、“Z字型”折线分班等多种分班算法选择。系统测试以陕西科技大学电子信息与人工智能学院2021级本科生大类分流、专业分班的数据为案例,应用结果表明：该系统人机交互方便实用,能快速获得准确结果,分流分班效率显著提高,有效地解决了传统高校大类分流、专业分班系统存在的问题,为高校教育教学信息化改革提供了有力的支持。     

基于数据分流实现高速网入侵检测的研究与实践

随着以太网的发展，目前基于网络的入侵检测系统已经无法适应高速增长的网络速度，提出了一种数据分流的方法，将捕获的网络数据按某种规则分流转发至多个检测设备进行处理，以达到提高整个系统的检测性能，解决高速网络下网络入侵检测设备因性能缺陷而带来的丢包问题。     

基于稀疏子空间聚类的多层网络社团检测

现有的子空间聚类方法大多只适用于单层网络,或者仅对多层网络中每层的聚类结果简单地进行平均,未考虑每层网络中包含信息量不同的特点,致使聚类性能受限。针对该问题,提出一种面向多层网络的稀疏子空间聚类方法。将距离正则项和非负约束条件集成到稀疏子空间聚类框架中,从而在聚类时能够同时利用数据的全局信息和局部信息进行图学习。此外,通过引入稀疏约束使学习到的图具有更清晰的聚类结构,并设计迭代算法进行优化求解。在多个真实数据集上的实验结果表明,该方法能够挖掘网络不同层的互补信息,得到准确的一致性联合稀疏表示,有效提高社团聚类性能。     

基于智能蝙蝠算法的异常数据检测方法

随着大数据应用的普及,网络攻击日益严重并已成为主要的网络安全问题。针对大数据环境下的网络攻击检测问题,设计一种融合聚类和智能蝙蝠算法（DEBA）的网络攻击检测系统。该系统将K-means算法与蝙蝠算法相结合进行数据流分类,实现了对异常数据的高效检测。实验结果显示,该系统的聚类准确率、算法耗时和误报率方面明显优于基于传统蝙蝠算法的K-means算法和单独K-means算法的网络异常数据检测方法。     

结合负载分流的无线传感器网络簇间数据转发算法

针对无线传感器网络能量消耗不均, 出现能量空洞的问题, 提出了一种基于负载分流的簇间数据转发算法. 首先分析簇间数据转发可能导致Sink附近能量空洞的问题. 然后, 基于簇头当前的能量状态、数据量和距离信息等因素提出了负载分配权重. 根据该权重设计了对应的负载分流策略, 并用于簇间数据转发算法中. 仿真实验结果显示: 相比基本EEUC算法和经典LEACH算法, 本文提出的负载分流数据转发算法延长了网络存活时间, 提高了网络能量使用效率.     

基于改进RBF网络的多变量序列建模和预测

针对复杂系统多变量序列预测研究中数据样本过多、信息冗余等问题,从学习样本选择和聚类中心优化两方面对径向基函数(RBF)网络进行改进.基于复杂系统多变量时间序列,首先采用一个线性相关函数和一个非线性相关函数分别计算多变量状态间的线性相关性和非线性相关性,确定一个包含系统有效信息的小数据集;然后基于小数据集,采用K均值聚类方法确定RBF网络的隐层聚类中心,并引入局部搜索过程,优化聚类中心结果;输入其它训练样本,确定网络权值.仿真结果表明,与常规RBF网络学习方法比较,在隐层节点数目相同情况下,改进的方法有效地确定了网络的聚类中心,达到更好的预测精度.     

基于大数据聚类的智能探测机器人运动控制系统设计

为了减小智能探测机器人运动轨迹误差,实现精准控制,提高智能探测机器人运动控制效率,设计基于大数据聚类的智能探测机器人运动控制系统;采用TMS320LF2407A主控芯片,集成650 V功率管,在电感电流断续模式下工作,提供系统驱动能量,设置光电耦合器,处理控制信号发射,调整控制电路内部电流关系;选用6ES7214-1AG40-0XB0控制器以及信号和通信模块扩展,控制机器人运动轨迹,结合内部驱动装置,整合运动数据信息进行存储,实现运动控制系统硬件结构设计;通过调节程序开始数据,结合内部脉冲数据,构建软件平台管理模块,获取机器人运动轨迹数据;采用大数据聚类技术,建立控制系统大数据分布结构模型,模拟非线性时变LFM控制信号,提取特征并聚类运动轨迹数据,获取精准运动轨迹数据,减少运动轨迹偏差程度,完成运动控制系统软件设计;实验结果表明,基于大数据聚类的运动控制系统的运动轨迹误差较小,能够有效实现精准控制,提高运动控制效率.     

高速环境下基于数据分流的入侵检测系统设计

提出了一种数据分流的方法,将捕获的网络数据包按某种策略分流转发至多个检测设备进行处理,提高了在高速网络环境下检测系统的性能,解决了硬件发展跟不上网速发展而带来的漏报率高的问题。     

基于FPGA+TCAM架构的网络分流系统的设计与实现

网络流量分类技术为网络服务提供有力保障,在网络行为分析和网络监管方面发挥重要作用。设计并实现了一种基于FPGA+TCAM架构的网络分流系统,接入高速网络信号,恢复数据流信息,并对其进行分流管理。解决了传统网络分流系统接入速率不高,分流效果差的问题。最后对系统平台进行了测试,测试结果表明,该系统具备在高速网络环境下数据流实时分流处理的能力。     

结合模糊聚类的遗传算法在网络信息过滤中的应用

在基于遗传算法的信息过滤系统中引入模糊聚类思想,对种群中的每个个体进行模糊相似矩阵直接聚类,然后根据聚类的结果采用所提出的适应度函数来评估种群的适应度,通过迭代训练得出更准确的用户兴趣模板,从而提高了信息过滤的准确率。并且将该方法应用到了所设计的网络信息过滤系统中,进行了验证。     

聚类算法在医疗大数据上的应用研究

随着大数据技术的不断发展,医疗大数据的研究也成为我国医疗建设的重要一环,聚类能够挖掘出医疗大数据中潜在隐藏的信息,协助医生、医疗管理部门、科研所进行有效工作.研究分析聚类算法K-means和K-medoids在医疗大数据的应用,从优化聚类算法降低时间复杂度、对高维医疗大数据进行特征提取降低维度、通过并行处理平台加速医疗数据的处理速度方面出发,阐明聚类算法在医疗大数据的数据预处理、数据分类、疾病预测等方面都广泛的应用.随着并行处理平台的建设,聚类算法在医疗大数据的应用也将越来越广泛.     

基于大数据的数字化系统一体化调度信息集成模型

由于已有集成模型分类过滤能力较差,因此提出一种基于大数据的数字化系统一体化调度信息集成模型。通过小波多窗谱特征提取数字化系统一体化调度信息并进行预处理。在二维空间中对最近邻点进行模糊搜索,获取数字化系统一体化调度信息模糊聚类中心,对信息聚类目标函数进行优化,完成调度信息分类过滤。结合大数据技术对调度信息结构层次进行分析,构建调度信息集成模型。实验结果表明,所提模型不仅能够提升调度信息分类过滤能力,同时还能够加强集成效率和容错性。